精通MATLAB神經(jīng)網(wǎng)絡(luò)

前言

　　神經(jīng)網(wǎng)絡(luò)是一種能適應(yīng)新環(huán)境的系統(tǒng)，它通過對過去經(jīng)驗（信息）的重復學習，而具有分析、預測、推理、分類等功能，是當今能夠仿效人類大腦去解決復雜問題的系統(tǒng)，神經(jīng)網(wǎng)絡(luò)是人工智能技術(shù)領(lǐng)域的重要方向，在自動控制、信號處理、工業(yè)控制，以及模式識別等諸多領(lǐng)域獲得了廣泛的應(yīng)用?！　‰S著計算機技術(shù)的迅猛發(fā)展，神經(jīng)網(wǎng)絡(luò)技術(shù)與計算機技術(shù)不斷融合，催生了一系列可用于神經(jīng)網(wǎng)絡(luò)的軟件，如NeuroSolutions、NeuralSight、MATLAB等，這些軟件的廣泛應(yīng)用，極大地推動了神經(jīng)網(wǎng)絡(luò)的發(fā)展?！　ATLAB已成為國際公認的最優(yōu)秀的科技應(yīng)用軟件，具有編程簡單、數(shù)據(jù)可視化功能強、可操作性強等特點，而且具備功能強大、專業(yè)函數(shù)豐富的神經(jīng)網(wǎng)絡(luò)工具箱，是進行神經(jīng)網(wǎng)絡(luò)方面工作必備的高效軟件工具?！　±肕ATLAB的神經(jīng)網(wǎng)絡(luò)工具箱，通過任意連接及合成不同的網(wǎng)絡(luò)架構(gòu)以實現(xiàn)類神經(jīng)網(wǎng)絡(luò)仿真及專業(yè)化應(yīng)用，而且還具有視覺化美感的操作界面，可以快速構(gòu)建出相應(yīng)的神經(jīng)網(wǎng)絡(luò)，便捷地訓練、測試網(wǎng)絡(luò)?！　”緯鴮ёx　　本書讀者　　本書可作為從事計算機、信息處理、控制、地球物理、醫(yī)學、管理等專業(yè)的本科生，研究生學習神經(jīng)網(wǎng)絡(luò)的輔助教材和參考書，也可供相應(yīng)的工程技術(shù)人員參考使用。　　作者致謝　　本書在編寫過程中，尤其是綜合實戰(zhàn)篇部分，參考、借鑒了一些國內(nèi)外書籍、論文和文獻資料，對此特向各位從事神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用工作的專家老師們表示真誠的敬意和感謝！　　最后，感謝父母和朋友們的支持與鼓勵，使得本書的創(chuàng)作過程得以堅持下去；感謝朱沭紅老師、許艷老師的大力支持和辛勤勞動！　　由于作者水平和經(jīng)驗有限，書中錯漏之處在所難免，還望得到專家、讀者和行內(nèi)人士的批評指正，我們的郵箱是：wa_2003@126.com。　　編著者　2009年11月18日

內(nèi)容概要

　　《精通MATLAB神經(jīng)網(wǎng)絡(luò)》由MATLAB入門篇、神經(jīng)網(wǎng)絡(luò)提高篇和神經(jīng)網(wǎng)絡(luò)綜合實戰(zhàn)篇3篇組成。MATLAB入門篇主要介紹MATLAB軟件、基本運算、圖形繪制、程序設(shè)計和Simulink仿真；神經(jīng)網(wǎng)絡(luò)提高篇講述神經(jīng)網(wǎng)絡(luò)的主要內(nèi)容，包括神經(jīng)網(wǎng)絡(luò)工具箱和GUI工具，以及感知器、線性、BP、徑向基、自組織、反饋等各種不同的神經(jīng)網(wǎng)絡(luò)，講述各種神經(jīng)網(wǎng)絡(luò)的性能分析與直觀的圖形結(jié)果，使讀者更加透徹地了解各種神經(jīng)網(wǎng)絡(luò)的性能及其優(yōu)缺點，從而達到理解和應(yīng)用神經(jīng)網(wǎng)絡(luò)的目的。

書籍目錄

第一篇　MATLAB入門篇第1章　MATLAB概述 21.1　MATLAB的產(chǎn)生與發(fā)展 21.2　MATLAB的優(yōu)勢與特點 21.3　MATLAB系統(tǒng)的構(gòu)成 41.4　MATLAB桌面操作環(huán)境 51.4.1　MATLAB啟動和退出 51.4.2　MATLAB主菜單及功能 61.4.3　MATLAB命令窗口 91.4.4　MATLAB工作空間 111.4.5　M文件編輯/調(diào)試器 131.4.6　圖形窗口 141.4.7　MATLAB文件管理 161.4.8　MATLAB幫助 161.5　MATLAB的工具箱 171.6　小結(jié) 18第2章　MATLAB計算基礎(chǔ) 192.1　MATLAB數(shù)值類型 192.2　關(guān)系運算和邏輯運算 212.3　矩陣及其運算 222.3.1　矩陣的創(chuàng)建 222.3.2　矩陣的運算 242.4　復數(shù)及其運算 252.4.1　復數(shù)表示 252.4.2　復數(shù)繪圖 272.4.3　復數(shù)操作函數(shù) 282.5　符號運算 282.5.1　符號運算概述 282.5.2　常用的符號運算 302.6　小結(jié) 33第3章　MATLAB繪圖入門 343.1　MATLAB中繪圖的基本步驟 343.2　在工作空間直接繪圖 353.3　利用繪圖函數(shù)繪圖 363.3.1　二維圖形 363.3.2　三維圖形 373.4　圖形的修飾 413.5　小結(jié) 44第4章　MATLAB編程入門 454.1　MATLAB編程概述 454.2　MATLAB程序設(shè)計原則 464.3　M文件 474.4　MATLAB程序流程控制 494.5　MATLAB中的函數(shù)及調(diào)用 524.5.1　函數(shù)類型 524.5.2　函數(shù)參數(shù)傳遞 554.6　函數(shù)句柄 604.7　MATLAB程序調(diào)試 614.7.1　常見程序錯誤 614.7.2　調(diào)試方法 644.7.3　調(diào)試工具 644.7.4　M文件分析工具 674.7.5　Profiler分析工具 694.8　MATLAB程序設(shè)計技巧 704.8.1　嵌套計算 704.8.2　循環(huán)計算 724.8.3　使用例外處理機制 724.8.4　使用全局變量 744.8.5　通過varargin傳遞參數(shù) 764.9　小結(jié) 77第5章　Simulink仿真入門 785.1　Simulink仿真概述 785.1.1　Simulink的啟動與退出 785.1.2　Simulink模塊庫 795.2　Simulink仿真模型及仿真過程 845.3　Simulink模塊的處理 865.3.1　Simulink模塊參數(shù)設(shè)置 865.3.2　Simulink模塊基本操作 885.3.3　Simulink模塊連接 905.4　Simulink仿真設(shè)置 925.4.1　仿真器參數(shù)設(shè)置 925.4.2　工作空間數(shù)據(jù)導入/導出5.4.2　設(shè)置 945.5　Simulink仿真舉例 955.6　小結(jié) 98第二篇　神經(jīng)網(wǎng)絡(luò)提高篇第6章　MATLAB神經(jīng)網(wǎng)絡(luò)工具箱概述 1006.1　神經(jīng)網(wǎng)絡(luò)簡介 1006.2　神經(jīng)網(wǎng)絡(luò)模型及訓練 1016.2.1　生物神經(jīng)元模型 1016.2.2　神經(jīng)網(wǎng)絡(luò)模型 1026.2.3　神經(jīng)網(wǎng)絡(luò)的訓練 1046.2.4　神經(jīng)網(wǎng)絡(luò)的分類 1056.3　神經(jīng)網(wǎng)絡(luò)的應(yīng)用 1066.4　神經(jīng)網(wǎng)絡(luò)工具箱簡介 1086.4.1　工具箱的功能 1086.4.2　工具箱的新特性 1086.4.3　MATLAB中的神經(jīng)網(wǎng)絡(luò)6.4.3　數(shù)據(jù)結(jié)構(gòu) 1106.4.4　工具箱函數(shù)簡介 1126.5　小結(jié) 113第7章　MATLAB神經(jīng)網(wǎng)絡(luò)GUI工具 1147.1　基礎(chǔ)GUI工具nntool 1147.1.1　網(wǎng)絡(luò)創(chuàng)建 1147.1.2　網(wǎng)絡(luò)訓練 1197.1.3　網(wǎng)絡(luò)仿真 1217.1.4　圖形界面數(shù)據(jù)操作 1227.2　數(shù)據(jù)擬合GUI工具nftool 1277.3　模式識別GUI工具nprtool 1317.4　數(shù)據(jù)聚類GUI工具nctool 1367.5　小結(jié) 139第8章　感知器神經(jīng)網(wǎng)絡(luò) 1408.1　感知器神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 1408.1.1　感知器神經(jīng)元模型 1408.1.2　單層感知器神經(jīng)網(wǎng)絡(luò)8.1.2　結(jié)構(gòu) 1418.2　感知器學習規(guī)則 1428.2.1　感知器網(wǎng)絡(luò)學習算法 1438.2.2　標準化感知器網(wǎng)絡(luò)8.2.2　學習算法 1448.3　感知器網(wǎng)絡(luò)的MATLAB實現(xiàn) 1448.3.1　感知器網(wǎng)絡(luò)的生成 1448.3.2　感知器網(wǎng)絡(luò)的仿真 1468.3.3　感知器網(wǎng)絡(luò)的初始化 1478.3.4　感知器網(wǎng)絡(luò)的學習和8.3.4　訓練 1488.4　感知器網(wǎng)絡(luò)的局限性 1528.4.1　單層感知器網(wǎng)絡(luò)的8.4.1　局限性 1528.4.2　多層感知器神經(jīng)網(wǎng)絡(luò) 1528.5　感知器神經(jīng)網(wǎng)絡(luò)設(shè)計實例 1538.5.1　輸入向量的二類劃分 1538.5.2　奇異樣本輸入向量的8.5.2　訓練 1558.5.3　標準化感知器學習規(guī)則8.5.3　實例 1588.5.4　線性不可分樣本問題 1598.6　小結(jié) 161第9章　線性神經(jīng)網(wǎng)絡(luò) 1629.1　線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 1629.1.1　線性神經(jīng)元模型 1629.1.2　線性神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 1639.2　線性濾波器 1649.3　線性神經(jīng)網(wǎng)絡(luò)學習規(guī)則 1649.3.1　均方誤差 1659.3.2　LMS算法 1659.4　線性神經(jīng)網(wǎng)絡(luò)的MATLAB9.4　實現(xiàn) 1669.4.1　線性神經(jīng)元生成 1669.4.2　線性神經(jīng)網(wǎng)絡(luò)生成 1699.4.3　線性濾波器生成 1709.4.4　線性神經(jīng)網(wǎng)絡(luò)訓練 1719.5　線性網(wǎng)絡(luò)的局限性 1759.5.1　非線性系統(tǒng) 1759.5.2　超定系統(tǒng) 1789.5.3　不定系統(tǒng) 1789.5.4　線性相關(guān)向量 1819.5.5　學習速率過大 1839.6　線性神經(jīng)網(wǎng)絡(luò)設(shè)計實例 1859.6.1　線性預測 1859.6.2　自適應(yīng)濾波噪聲抵消 1879.6.3　自適應(yīng)濾波系統(tǒng)辨識 1899.7　小結(jié) 192第10章　BP神經(jīng)網(wǎng)絡(luò) 19310.1　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 19310.1.1　BP網(wǎng)絡(luò)神經(jīng)元模型 19310.1.2　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 19410.2　BP網(wǎng)絡(luò)學習規(guī)則 19510.2.1　BP算法 19510.2.2　批處理學習算法 19810.3　BP網(wǎng)絡(luò)的MATLAB實現(xiàn) 19910.3.1　BP網(wǎng)絡(luò)的創(chuàng)建與仿真 19910.3.2　BP網(wǎng)絡(luò)的訓練 20010.4　BP網(wǎng)絡(luò)的局限性 21510.5　BP神經(jīng)網(wǎng)絡(luò)設(shè)計實例 21610.5.1　函數(shù)逼近 21610.5.2　回歸分析 21810.5.3　特征識別 22010.6　小結(jié) 224第11章　徑向基神經(jīng)網(wǎng)絡(luò) 22511.1　基本徑向基神經(jīng)網(wǎng)絡(luò) 22511.1.1　徑向基網(wǎng)絡(luò)神經(jīng)元11.1.1　模型 22511.1.2　徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 22611.2　概率神經(jīng)網(wǎng)絡(luò) 22711.3　廣義回歸神經(jīng)網(wǎng)絡(luò) 22811.4　徑向基網(wǎng)絡(luò)的MATLAB11.4　實現(xiàn) 22911.4.1　徑向基神經(jīng)網(wǎng)絡(luò)的11.4.1　精確創(chuàng)建 23011.4.2　更有效的徑向基神經(jīng)11.4.2　網(wǎng)絡(luò)創(chuàng)建 23111.4.3　概率神經(jīng)網(wǎng)絡(luò)的創(chuàng)建 23111.4.4　廣義回歸神經(jīng)網(wǎng)絡(luò)的11.4.4　創(chuàng)建 23211.5　徑向基網(wǎng)絡(luò)設(shè)計實例 23311.5.1　徑向基網(wǎng)絡(luò)函數(shù)逼近 23311.5.2　散布常數(shù)的影響之欠11.5.2　交疊情形 23611.5.3　散布常數(shù)的影響之過11.5.3　交疊情形 23811.5.4　廣義回歸網(wǎng)絡(luò)函數(shù)11.5.4　逼近 23911.5.5　概率神經(jīng)網(wǎng)絡(luò)模式11.5.5　分類 24211.6　小結(jié) 245第12章　自組織神經(jīng)網(wǎng)絡(luò) 24612.1　自組織競爭網(wǎng)絡(luò) 24612.1.1　自組織競爭網(wǎng)絡(luò)結(jié)構(gòu)12.1.1　模型 24612.1.2　自組織競爭神經(jīng)網(wǎng)絡(luò)12.1.2　的學習算法 24712.2　自組織特征映射網(wǎng)絡(luò) 25012.2.1　自組織特征映射網(wǎng)絡(luò)12.2.1　模型 25012.2.2　自組織特征映射網(wǎng)絡(luò)12.2.2　結(jié)構(gòu) 25812.2.3　自組織特征映射網(wǎng)絡(luò)的12.2.3　學習規(guī)則 25912.3　學習矢量量化網(wǎng)絡(luò) 25912.3.1　學習矢量量化網(wǎng)絡(luò)12.3.1　結(jié)構(gòu) 26012.3.2　學習矢量量化網(wǎng)絡(luò)的12.3.2　學習規(guī)則 26012.3.3　與自組織映射網(wǎng)絡(luò)的12.3.3　比較 26212.4　自組織神經(jīng)網(wǎng)絡(luò)的MATLAB12.4　實現(xiàn) 26312.4.1　自組織競爭網(wǎng)絡(luò)的12.4.1　設(shè)計 26312.4.2　自組織競爭網(wǎng)絡(luò)的12.4.2　訓練 26412.4.3　SOFM網(wǎng)絡(luò)的設(shè)計 26512.4.4　SOFM網(wǎng)絡(luò)的訓練 26712.4.5　LVQ網(wǎng)絡(luò)的設(shè)計 26712.4.6　LVQ網(wǎng)絡(luò)的訓練 27012.5　自組織神經(jīng)網(wǎng)絡(luò)應(yīng)用實例 27112.5.1　自組織競爭網(wǎng)絡(luò)模式12.5.1　分類 27112.5.2　一維自組織特征映射12.5.2　網(wǎng)絡(luò) 27312.5.3　二維自組織特征映射12.5.3　網(wǎng)絡(luò) 27512.5.4　LVQ網(wǎng)絡(luò)應(yīng)用實例 27712.6　小結(jié) 279第13章　反饋神經(jīng)網(wǎng)絡(luò) 28013.1　Hopfield網(wǎng)絡(luò) 28013.1.1　離散Hopfield網(wǎng)絡(luò)13.1.1　模型 28113.1.2　連續(xù)Hopfield網(wǎng)絡(luò)13.1.2　模型 28313.1.3　聯(lián)想記憶 28513.1.4　Hopfield網(wǎng)絡(luò)結(jié)構(gòu) 28713.2　Elman反饋神經(jīng)網(wǎng)絡(luò) 28713.3　反饋神經(jīng)網(wǎng)絡(luò)的MATLAB13.3　實現(xiàn) 28813.3.1　設(shè)計Hopfield網(wǎng)絡(luò) 28813.3.2　Elman網(wǎng)絡(luò)的創(chuàng)建與13.3.2　仿真 29013.3.3　訓練Elman網(wǎng)絡(luò) 29113.4　反饋神經(jīng)網(wǎng)絡(luò)應(yīng)用實例 29213.4.1　二神經(jīng)元Hopfield13.4.1　網(wǎng)絡(luò)設(shè)計 29213.4.2　Hopfield網(wǎng)絡(luò)中的偽13.4.2　平衡點 29513.4.3　三神經(jīng)元Hopfield13.4.3　網(wǎng)絡(luò)設(shè)計 29713.4.4　利用Elman網(wǎng)絡(luò)進行13.4.4　振幅檢測 30013.5　小結(jié) 303第三篇　神經(jīng)網(wǎng)絡(luò)綜合實戰(zhàn)篇第14章　神經(jīng)網(wǎng)絡(luò)優(yōu)化 30614.1　支持向量機 30614.1.1　統(tǒng)計學習理論 30714.1.2　支持向量機（SVM）14.1.2　理論 30714.1.3　支持向量機實例 31014.2　Boltzmann機與模擬退火算法 31414.2.1　Boltzmann機的網(wǎng)絡(luò)14.2.1　結(jié)構(gòu) 31414.2.2　模擬退火算法 31514.2.3　Boltzmann機的工作14.2.3　原理 31614.3　基于遺傳算法的神經(jīng)網(wǎng)絡(luò)14.3　優(yōu)化 31714.3.1　遺傳算法介紹 31814.3.2　基于遺傳算法的神經(jīng)網(wǎng)絡(luò)14.3.2　優(yōu)化算法 32014.3.3　遺傳算法優(yōu)化實例 32114.4　小結(jié) 325第15章　神經(jīng)網(wǎng)絡(luò)控制 32615.1　神經(jīng)網(wǎng)絡(luò)控制概述 32715.1.1　監(jiān)督式神經(jīng)網(wǎng)絡(luò)控制 32715.1.2　直接逆模型神經(jīng)網(wǎng)絡(luò)15.1.2　控制 32815.1.3　神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制 32815.1.4　神經(jīng)網(wǎng)絡(luò)內(nèi)模控制 32915.1.5　神經(jīng)網(wǎng)絡(luò)預測控制 33015.1.6　神經(jīng)網(wǎng)絡(luò)自適應(yīng)判斷15.1.6　控制 33115.1.7　多層神經(jīng)網(wǎng)絡(luò)控制 33115.1.8　分級神經(jīng)網(wǎng)絡(luò)控制 33215.2　神經(jīng)網(wǎng)絡(luò)模型預測控制 33315.2.1　系統(tǒng)辨識 33415.2.2　預測控制 33515.2.3　預測控制的Simulink15.2.3　實例 33515.3　神經(jīng)網(wǎng)絡(luò)反饋線性化控制15.3?。∟ARMA-L2） 34115.3.1　NARMA-L2系統(tǒng)辨識 34115.3.2　NARMA-L2控制器 34215.3.3　NARMA-L2控制器15.3.3　Simulink實例 34315.4　神經(jīng)網(wǎng)絡(luò)模型參考控制 34715.5　小結(jié) 352第16章　神經(jīng)網(wǎng)絡(luò)故障診斷 35316.1　神經(jīng)網(wǎng)絡(luò)故障診斷概述 35316.2　基于神經(jīng)網(wǎng)絡(luò)的滾動軸承16.2　故障診斷 35416.2.1　問題背景 35416.2.2　問題實例 35616.3　基于神經(jīng)網(wǎng)絡(luò)的汽車防抱死16.3　系統(tǒng)故障診斷 35916.3.1　問題背景 35916.3.2　問題實例 36116.4　基于神經(jīng)網(wǎng)絡(luò)的柴油機16.4　故障診斷 36416.4.1　問題背景 36416.4.2　問題實例 36616.5　基于神經(jīng)網(wǎng)絡(luò)的水循環(huán)系統(tǒng)16.5　故障診斷 37116.5.1　問題背景 37116.5.2　問題實例 37216.6　小結(jié) 374第17章　神經(jīng)網(wǎng)絡(luò)預測 37517.1　神經(jīng)網(wǎng)絡(luò)預測概述 37517.2　基于神經(jīng)網(wǎng)絡(luò)的地震預測 37817.2.1　問題背景 37817.2.2　問題實例 37817.3　基于神經(jīng)網(wǎng)絡(luò)的人口預測 38217.3.1　問題背景 38217.3.2　問題實例 38217.4　基于神經(jīng)網(wǎng)絡(luò)的電信業(yè)務(wù)量17.4　預測 38517.4.1　問題背景 38517.4.2　問題實例 38517.5　基于神經(jīng)網(wǎng)絡(luò)的股市預測 38817.5.1　問題背景 38817.5.2　問題實例 38917.6　基于神經(jīng)網(wǎng)絡(luò)的信用風險17.6　預測 39117.6.1　問題背景 39117.6.2　問題實例 39217.7　小結(jié) 394第18章　Simulink中的神經(jīng)網(wǎng)絡(luò)設(shè)計 39518.1　Simulink神經(jīng)網(wǎng)絡(luò)模塊 39518.1.1　傳遞函數(shù)模塊庫 39618.1.2　網(wǎng)絡(luò)輸入函數(shù)模塊庫 39718.1.3　權(quán)值函數(shù)模塊庫 39718.1.4　處理函數(shù)模塊庫 39818.1.5　控制系統(tǒng)模塊庫 39818.2　神經(jīng)網(wǎng)絡(luò)Simulink模型設(shè)計18.2　實例 39918.3　小結(jié) 403第19章　自定義神經(jīng)網(wǎng)絡(luò) 40419.1　自定義網(wǎng)絡(luò) 40419.1.1　定制網(wǎng)絡(luò) 40519.1.2　定義網(wǎng)絡(luò) 40619.1.3　網(wǎng)絡(luò)行為 41419.2　相關(guān)工具箱函數(shù) 41719.2.1　初始化函數(shù) 41719.2.2　傳遞函數(shù) 41719.2.3　學習函數(shù) 42019.3　自定義函數(shù) 42519.3.1　網(wǎng)絡(luò)構(gòu)建函數(shù) 42519.3.2　初始化函數(shù) 43119.3.3　學習函數(shù) 43219.3.4　自組織映射函數(shù) 43519.4　小結(jié) 437附錄A　工具箱函數(shù)列表 438參考文獻 444

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    精通MATLAB神經(jīng)網(wǎng)絡(luò) PDF格式下載

---